一个适应性混合脑计算机接口用于手功能康复中风患者

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 康复技术 康复技术 康复技术

背景情况:

• 基于运动图像 (MI) 的脑计算机接口 (BCI) 通过促进神经可塑性,显示出对中风恢复的希望.
• 在MI-BCI中,脑电图 (EEG) 的局限性包括空间分辨率低和信号噪声比 (SNR),阻碍了手部运动的准确解码.
• 现有的MI-BCI系统在对中风患者的分类准确性和实际应用方面面临挑战.

研究的目的:

• 开发一个结合MI和稳定状态视觉唤起潜能 (SSVEP) 的自适应混合BCI系统,以提高解码精度和神经参与度.
• 克服纯MI-BCI系统在中风患者中解码手部运动的局限性.
• 为了提高BCI的实用性和临床实用性,用于手功能康复.

主要方法:

• 开发了一个自适应的混合BCI系统,将MI与SSVEP结合起来,通过视觉刺激唤起的SSVEP,使用动作状态闪编码方法.
• 与事件相关的脱同步 (ERD) 被实时监测,以评估神经参与并减轻SSVEP和MI之间的双重任务干扰.
• 该系统的有效性在8名健康受试者和6名中风后患者中进行了评估.

主要成果:

• 混合BCI系统显著提高了四类手势识别精度,在健康人群中达到94.37 ± 4.77%,在患者中达到79.38 ± 6.26%.
• 与基于MI的BCI相比,开发的系统表现出更高的识别准确性.
• 混合BCI保持神经参与,与仅执行MI任务相比,表明有效的双重任务管理.

结论:

• 适应性混合BCI系统有效地提高了健康人和中风患者的手动解码精度.
• 该系统保持神经参与的能力表明它适合实时反和康复.
• 开发的混合BCI显示出显著的互动性和临床实用性,用于恢复中风后的手部功能.